Perpustakaan Digital ITB

Baja karbon yang biasa digunakan sebagai material konstruksi tidak lepas dari ancaman korosi atmosferik, terutama di Asia Tenggara, yang memiliki iklim tropis dengan temperatur, relatif kelembapan, kecepatan angin, dan faktor cuaca lain yang tinggi. Banyak penelitian dilakukan untuk memprediksi laju korosi atmosferik sehingga masalah tersebut bisa terlebih dahulu dicegah, tetapi dengan metode percobaan konvensional, hal tersebut akan menghabiskan banyak waktu dan biaya. Salah satu metode yang dikembangkan untuk memprediksi laju korosi adalah dengan pembelajaran mesin. Untuk menghasilkan model yang optimal, terlebih dahulu data faktor dan laju korosi dikumpulkan. Dataset tersebut dianalisis sehingga diketahui hubungan antarparameternya terhadap target. Pembelajaran mesin menggunakan regresi model Gradient Boosting dan Decision Tree. Dari perhitungan akurasi dan galat, keduanya memiliki hasil yang hampir sama optimalnya, tetapi Gradient Boosting lebih sensitif terhadap nilai masukan. Kemudian juga dilakukan prediksi laju korosi di beberapa tempat di Asia Tenggara, dan dihasilkan laju korosi untuk Gresik 18,4; Bandung 15,7; Phuket 19,15; Phra pradaeng 17,94; dan Yangon 16,1 semuanya dalam ?m/tahun. Kunci dari pembelajaran mesin adalah data sehingga untuk kemampuan dan hasil prediksi yang lebih akurat perlu dikumpulkan lebih banyak data yang berkualitas.